b. Pengujian Kelayakan Model Regresi
Analisis selanjutnya yang dilakukan adalah menilai kelayakan model regresi logistik yang akan digunakan. Pengujian kelayakan model regresi logistic dilakukan
dengan menggunakan Goodness of fit test yang diukur dengan nilai Chi-Square pada bagian bawah uji Homser and Lemeshow. Probabilitas signifikansi yang diperoleh
kemudian dibandingkan dengan tingkat signifikasi α 5 .
Hipotesis untuk menilai kelayakan model regresi adalah : Ho : Tidak ada perbedaan antara model dengan data
Ha : Ada perbedaan antara model dengan data
Tabel 4.5 Hosmer and Lemeshow Test
Hosmer and Lemeshow Test
Step Chi-square
df Sig.
1 11,383
8 ,181
Sumber : Lampiran L Tabel 4.5 menunjukkan hasil pengujian Hosmer and Lemeshow. Dengan
probabilitas signifikasi menunjukkan angka 0,181, nilai signifikansi yang diperoleh ini jauh lebih besar dari pada 0,05 a 5, maka Ho tidak dapat ditolak diterima.
Hal ini berarti model regresi layak untuk digunakan dalam analisis selanjutnya, karena tidak ada perbedaan yang nyata antara klasifikasi yang diprediksi dengan
klasifikasi yang diamati. Atau dapat dikatakan bahwa model mampu memprediksi nilai observasinya.
c. Pengujian Multikolinearitas
Regresi yang baik adalah regresi dengan tidak adanya gejala korelasi yang kuat antara variabel bebasnya. Walaupun dalam regresi logistik tidak lagi memerlukan uji
asumsi klasik seperti multikolineartilitas, Ghozali, 2004 namun tidak ada salahnya apabila dilakukan uji multikolineartilitas. Pengujian multikolinearitas dalam model
ini dengan menggunakan matrik korelasi antar variabel bebas untuk melihat besarnya korelasi antar variabel independen di dalam penelitian ini yaitu rasio gearing
GEAR, profitabilitas PROFIT, dan ukuran perusahaan SIZE. Tabel 4.6 menunjukkan korelasi antar variabel independent di dalam
penelitian ini. Matrik korelasi dibawah menunjukkan tidak adanya gejala multikolinearitas yang serius antar variabel bebas, sebagaimana terlihat dari nilai
korelasi antar variabel bebas masih jauh di bawah 0.8. Korelasi tertinggi antar variable independen terjadi antara variabel GEAR dan PROFIT yaitu 0.131.
Tabel 4.6 Correlation Matrix
Correlation Matrix
Constant GEAR X1 PROFIT X2 LnSIZE X3 Step 1
Constant 1,000
-,085 -,368 -,992
GEAR X1 -,085
1,000 ,131 ,030 PROFIT X2
-,368 ,131 1,000
-,296 LnSiZE X3
-,992 ,030 -,296
1,000
Sumber : Lampiran L
d. Koefisien Determinasi